《Ecological Modelling》:Constraint-based graph optimization for marine protected area networks: A graph neural network-informed approach
编辑推荐:
设计兼顾生物多样性保护、生态连通性和社会经济可行性的成本效益型海洋保护区(MPA)网络面临重大计算挑战,尤其是在涉及数千个候选站点的流域尺度上。传统的系统保护规划方法要么依赖简化的空间优先化指标,要么在纳入显式连通性约束时面临计算难解性。研究人员提出了一种将图
设计兼顾生物多样性保护、生态连通性和社会经济可行性的成本效益型海洋保护区(MPA)网络面临重大计算挑战,尤其是在涉及数千个候选站点的流域尺度上。传统的系统保护规划方法要么依赖简化的空间优先化指标,要么在纳入显式连通性约束时面临计算难解性。研究人员提出了一种将图卷积网络(GCN)与基于约束的贪心优化相结合的新型计算框架,以解决这一多目标问题。GCN从表示10,741个候选站点(30 km × 30 km分辨率)的空间连通性图中学习紧凑的16维站点嵌入,将生物多样性价值、成本效率和网络拓扑压缩为可解释的表示,用于站点权衡的探索性分析。一种两阶段贪心算法直接作用于底层连通性矩阵,首先满足强制性生态约束(受威胁物种保护、水深代表性、区域公平性),然后最大化边际效率(定义为每单位成本的生物多样性和连通性收益)。研究人员使用覆盖地中海120个海洋类群的84,721条物种观测数据,结合水深数据和空间显式机会成本,对该框架进行了验证。对于15%的覆盖目标(1611个站点,1,449,900 km2),该方法实现的网络连通性比随机选择高4.4倍,比生物多样性热点策略高1.6倍,总成本为16.9亿欧元——比随机选择低42%,比热点方法低58%——同时保证所有九个受威胁物种(四个极危、三个濒危、两个易危)得到保护,以及近乎完整的总体覆盖(120个物种中的99.2%),这是成本最小化替代方案无法保证的。所有生态约束均得到满足,同时保持了计算效率(8–15分钟运行时间)。网络配置在覆盖目标情景(10%、15%、30%)中保持稳健:物种覆盖率稳定在99.2%,区域分布在不同情景间变化小于2个百分点。该模块化框架可通过替换特定区域的生物多样性、环境和社会经济数据,迁移至其他海洋区域,支持在计算效率对利益相关者参与至关重要的系统保护规划。
海洋生态系统正面临过度捕捞、气候变化、污染和栖息地丧失等多重压力,海洋保护区(MPA)是保护生物多样性和恢复退化生态系统的关键工具,但孤立的小型保护区往往难以达到预期效果。生态连通性通过幼体扩散、物种迁移和基因交流维持种群存续,然而现有系统保护规划方法(如Marxan)在显式纳入连通性约束时面临计算难题,且多目标加权需要预设固定权重,常忽视受威胁物种保护、栖息地代表性和区域公平等强制性约束。为此,研究人员提出了一种集成图卷积网络(GCN)与基于约束的贪心优化的计算框架,以地中海为研究区域,设计兼顾生物多样性、连通性和成本效益的MPA网络。该研究发表在《Ecological Modelling》上。
研究人员利用来自海洋生物多样性信息系统(OBIS)的84,